基于深度学习的高超声速飞行器再入预测校正容错制导
2020-05-19余跃王宏伦
兵工学报 2020年4期
关键词:深度
余跃, 王宏伦
(1.北京航空航天大学 自动化科学与电气工程学院, 北京 100191; 2.北京航天自动控制研究所, 北京 100854;3.北京航空航天大学 飞行器控制一体化技术重点实验室, 北京 100191)
0 引言
高超声速飞行器因其飞行速度快、机动性能好、生存能力强、突防能力高以及远程精确打击等优点,具有重要的战略意义和军事、民用价值[1]。再入制导技术通过设计制导律使得在满足路径约束的前提下平稳到达末端能量管理段,作为高超声速飞行器的核心和关键技术之一,因再入环境的复杂性和不确定性以及再入过程中受热流密度、动压、过载的严格约束,成为各国航空航天领域竞相研究的重点和难点问题[2]。
再入制导算法一般分为标称轨迹制导与预测校正制导两大类。前者是跟踪预先设计好的符合各类约束的标称轨迹完成制导任务,具有计算量小、实时性高的优点,但需预先存储标称轨迹信息,且对环境变化敏感,难以保证较高的制导精度;后者是对落点航程进行预测并实时校正控制量的制导算法,相比于标称轨迹制导,预测校正制导具有更高的落点精度,且对各种再入初始误差和飞行过程中的干扰偏差具有更强的鲁棒性,因此更加受到研究学者的青睐。
预测校正制导算法最早由Schultz等[3]提出,该算法利用预测方程改变升阻比和滚转角同时控制横程和航程,但是制导律缺少轨迹阻尼。Lu[4]针对低升阻比飞行器进行预测校正制导研究,在倾侧角幅值参数化这一核心要素中设计了较大的倾侧角终端值来增加算法鲁棒性,同时提出通过改变初始倾侧角幅值来减轻过载的策略。……
登录APP查看全文
